近年来，随着人口、资源与环境的矛盾日益加深，全球森林生态系统变化剧烈、生态系统恢复力持续下降，显著地制约着人地关系的可持续发展(Mcclanahan et al., 2012)。联合国国际减灾战略组织认为，恢复力研究为自然和社会生态系统应对极端气候干扰与生态系统恢复提供了基本理论框架，基于恢复力的森林生态系统管理也成为一种重要应对方法(Folke, 2006; Southwick et al., 2012)。英国未来森林倡议(FFEI)核心主题就是根据气候变化来调整森林管理框架以维持和增强森林生态系统恢复力。

Holling(1973)首次把“恢复力”的概念引入到生态学领域，但生态学家经过多年争论依然没有形成统一的生态系统恢复力概念。目前，国际上比较认同的概念为：生态系统恢复力是生态系统受到扰动后在保持稳定的重要功能、结构和整体性的条件下所能吸收的最大干扰量(Walker et al., 2004; Folke, 2006)。目前研究主要从3方面分析生态系统恢复力：自组织能力、抵抗能力、适应能力。恢复力定量评价理论和方法至今仍在不断探索中(Walker et al., 2004；闫海明等, 2012)。Bisson等(2008)和Arianoutsou等(2011)基于森林林分结构或景观组成建立生物地理指标或创建新指数来评价林火干扰后的植被恢复力。战金艳等(2012)分析了森林生态系统的组成和结构，从生境条件和生态存储两方面遴选出26个指标来评价森林生态系统恢复力。McClanahan等(2012)通过专家打分和科学论证识别出气候变化干扰下影响珊瑚礁恢复力的11个主要因子。Yaragina等(2009)通过分析海洋生态系统中重要的结构和功能因子来定量评价恢复力。

总的来说，恢复力定量评价研究大都基于生态系统的组分和结构指标对恢复力的自组织能力属性进行评价(战金艳等, 2012; Quinlan et al., 2016)，很少综合考虑自组织能力、抵抗能力和适应能力3个属性对恢复力进行综合评价。自组织能力、抵抗能力和适应能力3个属性分别相应表征恢复力的不同阶段和不同方面的特征：自组织能力主要表征了系统本身先天的组织和结构特征；抵抗能力主要体现了系统对干扰的承受或吸收的能力，一般可由系统受到干扰前后的结构或功能变化来表征；适应能力强调受到干扰后系统的适应变化能力，可由系统在受到干扰后一段时间恢复状况来表征。因此，生态系统恢复力除考虑系统本身组成结构特征之外，也应考虑系统本身所具有的能够承受或吸收外界干扰的能力和系统受干扰后能够自我修复、自我适应的能力，只有从系统物理结构、受干扰时抵抗干扰的能力和受干扰后恢复适应能力3方面综合分析才能全面刻画生态系统恢复力。

南方丘陵山区是中国重要的森林资源和生态安全保障区，大多省份森林覆盖率高达57%以上，远远高于20%的全国平均水平。冰雪冻灾是干扰亚热带森林生态系统恢复力的重要极端气候之一(Lafon, 2006; 周宝友等, 2012)。2008年初南方19省遭受50年一遇(部分地区百年一遇)的极端低温冰雪冻灾，冰冻日数10~20天，平均降温幅度超过10℃，华南西北部降温幅度超过20 ℃，对亚热带森林生态系统造成了异常严重的破坏(杨锋伟等, 2008)。

本研究以南方丘陵山区湖南道县森林生态系统为例，从自组织能力、抵抗能力和适应能力3个方面对系统恢复力进行综合定量评价，以期为森林生态系统科学管理和抚育、促进生态恢复、增强森林生态系统恢复力提供理论基础和应用参考。

1 研究区概况

道县位于湖南省南部(111°20′—111°55′E, 25°10′—25°50′N)，四周高山环绕、中部岗丘起伏，海拔157~1 972 m，其中海拔1 000 m以上的山峰150多个，是典型的南方丘陵山区。亚热带湿润季风气候，四季比较分明，年均气温17.6~18.6 ℃，多年平均降水量1 200~1 900 mm，多年平均日照时数为1 300~1 740 h。土壤类型共有9个，水稻土占道县土地面积的12.1%，红壤占47.7%，黄壤占9.3%，黄棕壤占4.9%，黑色石灰土占7.8%，紫色土占3.3%, 此外还有山地草甸土、潮土、红色石灰土。森林覆盖率较高，植被种类和林木资源丰富，基本涵盖了南方丘陵山区的所有主要树种类型，其中杉木(Cunninghamia lanceolata)占总林地面积的34.13%，水杉(Metasequoia glyptostroboides)、池杉(Taxodium ascendens)和落羽杉(Taxodium distichum)占15.49%，马尾松(Pinus massoniana)占13.45%，湿地松(Pinus elliottii)占12.13%，慢生阔叶树占9.88%。

2 研究方法 2.1 数据来源

根据国家气象监测站点和周边县级气象站监测数据，综合考虑地形等因素插值得到气候数据。土壤数据通过土壤普查得到，研究区土壤类型以红壤为主。根据2004年各乡镇人口普查数据、结合灯光指数等数据进行空间化处理得到人口数据。利用数字高程模型数据提取了海拔、坡度和坡向，通过对道县进行大量野外实地调查并结合林相图和Landsat遥感影像数据，获取树种组、优势树种、郁闭度、平均树龄和树高等数据。

2.2 恢复力定量评价方法

本研究森林生态系统恢复力定量评价采用自组织能力、抵抗能力和适应能力3个核心属性进行综合计算。重点关注森林生态系统遭受冰雪冻灾干扰后的恢复力，因此数据处理和恢复力评价主要针对森林覆盖区域。

2.2.1 自组织能力评价模型

本研究结合恢复力概念内涵和森林生态系统特点，从森林生态存储、气候、土壤、地形和人类干扰这5方面选取20个影响因子指标，建立自组织能力评价指标体系(表 1)，利用评价的自组织能力来表征恢复力。本研究采用德尔菲法专家经验判定法进行指标权重赋值(Bengtsson et al., 2003; 战金艳等, 2012)。

由于自组织能力评价指标体系中各指标量纲不同，需对各指标进行归一化处理，对于正向指标和负向指标分别用公式(1)和(2)进行处理：

$ \overline {{X_{i, j}}} = ({X_{i, j}} - {X_{i, {\rm{min}}}})/\left({{X_{i, {\rm{max}}}} - {X_{i, {\rm{min}}}}} \right); $

(1)

$ \overline {{X_{i, j}}} = ({X_{i, {\rm{max}}}} - {X_{i, j}})/\left({{X_{i, {\rm{max}}}} - {X_{i, {\rm{min}}}}} \right)。$

(2)

式中：$\overline {{X_{i, j}}} $为第i个评价指标第j个栅格归一化值；X_{i, max}为第i个评价指标的最大栅格值；X_{i, min}为第i个评价指标的最小栅格值。

森林生态系统自组织能力评价采用综合指标法对归一化处理后的指标数据进行空间上的加权求和得到，计算公式如下：

$ {S_j} = \sum\limits_{i = 1}^{\rm{n}} {{w_i}\overline {{X_{i, j}}} } 。$

(3)

式中：S_j为第j个栅格的自组织力指数，其值为[0, 1]；w_i为第i个评价指标的权重值；n为评价指标的个数。

2.2.2 抵抗能力和适应能力遥感评价

遥感数据对恢复力时空变化具有较好的指示价值，Diaz-Delgado等(2002)基于Landsat NDVI数据评判森林遭受火灾后的恢复力变化情况，Enfors等(2007)基于地理信息系统从土地利用变化角度分析农业生态系统恢复力变化及主要驱动机制，研究表明通过NDVI指数定量评价灾害干扰下的生态系统的受灾程度、抵抗能力及适应能力是便捷可行的。因此，本研究也利用NDVI指数变化率来衡量经受雨雪冰冻灾害时森林生态系统恢复力的抵抗能力及适应能力。同时，为保证灾前、灾中与灾后的森林生长状况、影像数据的可比性，根据Landsat影像数据情况尽量选择每年拍摄日期接近的影像并忽略时间差异影响，最终选择2006-11-08、2008-11-13和2015-10-16数据来计算评价。

抵抗能力采用植被遭受冰雪冻灾的受灾程度来表征，计算公式为：

$ {H_j} = ({N_{2008, j }} - {N_{2006, j }})/{N_{2006, j }}。$

(4)

式中：H_j为第j个栅格受冰雪冻灾干扰后植被NDVI变化率；N_{2006, j}为第j个栅格2006年NDVI值；N_{2008, j}为第j个栅格2008年的NDVI值。

适应能力采用植被遭受冰雪冻灾后的恢复程度来表征，计算公式如下：

$ {F_j} = ({N_{2015, j }} - {N_{2008, j }})/{N_{2008, j }}。$

(5)

式中：F_j为第j个栅格受冰雪冻灾干扰7年后植被恢复NDVI变化率；N_{2015, j}为第j个栅格2015年的NDVI值。

2.2.3 恢复力综合定量评价

恢复力由自组织能力、抵抗能力和适应能力综合计算得到，为保证3个能力的量纲一致性采用公式(1)正向指标归一化方法对其进行归一化计算到[0, 1]范围内。恢复力计算公式如下：

$ \begin{array}{l} {R_j} = ({S_i} - {S_{{\rm{min}}}})/\left({{S_{{\rm{max}}}} - {S_{{\rm{min}}}}} \right) + ({H_i} - {H_{{\rm{min}}}})/\\ \left({{H_{{\rm{max}}}} - {H_{{\rm{min}}}}} \right) + ({F_i} - {F_{{\rm{min}}}})/\left({{F_{{\rm{max}}}} - {F_{{\rm{min}}}}} \right)。\end{array} $

(6)

式中：R_j为第j个栅格的恢复力，(S_i-S_min)/(S_max-S_min)为归一化后的自组织力值，(H_i-H_min)/(H_max-H_min)为归一化后的抵抗能力值，(F_i-F_min)/(F_max-F_min)为归一化后的适应能力值。

3 结果与分析 3.1 道县森林生态系统自组织能力

由图 1可以看出，道县森林生态系统自组织能力归一化值主要为0.4~0.9，空间分布整体上呈东南部、西部及北部山区相对较高，这些区域海拔相对较高、森林类型以原始次生林为主，森林生态系统结构相对完整。

从行政分区来看，洪塘营瑶族乡、横岭瑶族乡、井塘瑶族乡、月岩林场、清塘镇西部、桥头林场及四马桥镇东南部的森林生态系统自组织能力较强，其他乡镇相对较弱。

3.2 道县森林生态系统抵抗能力

通过分析道县森林生态系统在遭受冰雪冻灾前后的森林植被NDVI变化来评价森林生态系统受灾程度和抵抗能力(图 2)。道县林地受灾区域分布广泛，受灾面积高达1 476 km²，占全县林地总面积的97.46%。受灾程度越严重，抵抗能力越弱。总体来看，道县绝大部分地区森林生态系统抵抗能力归一化值为0.5~0.6，其次为0.4~0.5，其中抵抗能力相对较弱地区主要分布在县域西部月岩林场部分地区和东南部井塘瑶族自治乡、横岭瑶族自治乡和洪塘营瑶族乡地区；抵抗能力较强区域(大于0.6)零星散布于道县境内，其中道县中部区域相对较强。

3.3 道县森林生态系统适应能力

通过分析2008年冰雪冻灾干扰后森林恢复生长7年后(2015年)变化来表征森林生态系统适应能力(图 3)。结果表明道县森林系统恢复状况总体较好，道县绝大部分地区森林生态系统适应能力归一化值为0.4~0.5，主要分布于道县北部、西部、东南部地区及中部部分区域；零星分布于道县中部地区的森林生态系统适应能力归一化值为0.5~0.6。

3.4 道县森林生态系统恢复力

对道县森林生态系统的适应能力、抵抗能力和自组织能力进行归一化和综合计算得到恢复力的空间分布图(图 4)。由图 4可看出，道县北部、西部和东南部山区的恢复力水平相对较高，恢复力值为1.5~1.8(部分地区超多1.8)，道县中部等大部分区域的恢复力处于一般水平，恢复力值为1.2~1.5。

4 讨论

恢复力是一个系统性概念，前人研究也从系统结构、过程、功能等单个方面对其进行直接或间接研究，甚至发展出了一些恢复力指数来表征系统恢复力(Ares et al., 2001)，也有研究发展了恢复力框架对其进行定性评价(Forbes et al., 2009)，本研究从恢复力概念出发，综合考虑了恢复力自组织能力、抵抗能力和适应能力3个核心属性特征，全面地刻画了恢复力结构、过程特征。恢复力联盟给出的概念主要从自组织能力和抵抗能力来表征恢复力内涵，自组织能力主要表征了系统本身先天的组织和结构特征，基本对应系统受干扰之前的状态水平；抵抗能力主要体现了系统对干扰的承受或吸收的能力，强调了干扰对系统的改变，主要表征干扰过程的恢复力差异。然而，系统受到干扰之后一段时间内，系统适应干扰的能力或恢复水平则仍没有被表征。本研究就从恢复力的不同阶段和不同方面的特征用自组织能力、抵抗能力和适应能力3个属性进行了全方位刻画和综合分析。

对比图 1—4可知，恢复力空间分布规律与自组织能力、抵抗能力和适应能力都存在显著差别。森林生态系统的自组织能力空间分布也显著区别于抵抗能力和适应能力，特别是研究区的西部、东南部区域差异更明显；自组织能力的区域差异也较抵抗能力与适应能力的区域差异更显著；但是自组织能力是恢复力的一个重要属性，不能等同于或代替恢复力。道县地区周边自组织能力较强，主要与该区域森林斑块完整、分布集中、以原始次生林为主、人类活动较少等有关，中部区域斑块破碎、分布零散、多为人工种植林、人为活动较多，自组织能力相对较弱。

综合生态存储、气候、土壤、地形、人类干扰等多种因素研究发现，人类活动对森林生态系统恢复力影响作用相对较小，从树种来看，水杉、池杉、落羽杉和杉木的恢复力总体水平最高。制定合理的森林种植规划、创造森林自身恢复的便利条件和减少人为干扰(如封山育林)将更加有利于增强森林生态系统恢复力。

森林资源调查是森林生态系统自组织能力的科学评价途径，遥感动态监测能够有效诊断森林生态系统遭受干扰前后变化和恢复过程等，两者结合是恢复力综合定量评价的有效手段。遥感作为一种广泛应用的技术手段和数据源也逐渐被应用于生态系统结构参数监测和生态系统功能评估等领域，如通过遥感监测的土地利用、总初级生产力等(Frazier et al., 2013)。本研究也充分利用了中高分辨率遥感影像数据对系统受干扰后和恢复后状况进行准确客观表征，同时也利用地理信息空间分析技术综合计算分析了多指标数据，全面量化恢复力空间分异规律。本研究可为生态系统恢复力的准确定量评价提供参考。

恢复力定量评价仍然处于不断探索研究过程，恢复力评价结果的验证一直是恢复力定量研究的难题，本研究也面临同样的难题，但本研究从恢复力的概念内涵出发，综合考虑了自组织能力、抵抗能力和适应能力3个核心属性，恢复力评价也是基于大量的林地调查、遥感监测、气候观测等准确客观的数据，因此，森林生态系统恢复力定量评价结果具有较好的客观性和准确性。同时本研究认为应该充分挖掘森林生态系统时间序列变化数据信息，这将可能在一定程度上进行森林生态系统恢复力定量评价结果验证。

5 结论

本研究基于2008年南方丘陵山区森林生态系统遭受特大雨雪冰冻灾害干扰事件，从生态系统恢复力内涵出发，综合自组织能力、抵抗能力和适应能力3个核心属性特征对道县森林生态系统恢复力进行定量评价。研究表明，单个核心属性特征与恢复力综合定量评价结果存在显著差异；为客观、准确地定量评价生态系统恢复力，应该对自组织能力、抵抗能力和适应能力3方面属性进行综合评价；道县森林生态系统平均恢复力为1.2~1.8，处于中等水平，其中北部、西部部分地区及南部山区的森林生态系统恢复力水平相对较高。遥感动态诊断与森林资源传统调查相结合是恢复力综合定量评价的有效手段。